+7(495) 989 9610
ИД «Финансы и кредит»

ЖУРНАЛЫ

  

АВТОРАМ

  

ПОДПИСКА

    
«Экономический анализ: теория и практика»
 

Реферирование и индексирование

РИНЦ
Referativny Zhurnal VINITI RAS
Worldcat
Google Scholar

Электронные версии в PDF

EBSCOhost
Eastview
Elibrary
Biblioclub

Выявление сезонных колебаний в нелинейной динамике числа зарегистрированных преступлений

Купить электронную версию статьи

т. 20, вып. 3, март 2021

Получена: 04.12.2020

Получена в доработанном виде: 14.01.2021

Одобрена: 12.02.2021

Доступна онлайн: 30.03.2021

Рубрика: МАТЕМАТИЧЕСКИЕ МЕТОДЫ И МОДЕЛИ

Коды JEL: C22, C51

Страницы: 554–576

https://doi.org/10.24891/ea.20.3.554

Семенычев Е.В. доктор экономических наук, доцент, профессор кафедры менеджмента, туризма и гостиничного бизнеса, Севастопольский филиал Российского экономического университета им. Г.В. Плеханова, Севастополь, Российская Федерация 
semen05@inbox.ru

https://orcid.org/0000-0002-9604-4344
SPIN-код: 1644-1781

Коробецкая А.А. кандидат экономических наук, разработчик департамента бизнес-решений, ООО «Системный интегратор «Вебзавод», Самара, Российская Федерация 
kaa.sseu@yandex.ru

https://orcid.org/0000-0002-5500-7360
SPIN-код: 4342-6363

Демидов В.В. аспирант, Самарский университет государственного управления «Международный институт рынка», Самара, Российская Федерация 
vadidemidov@yandex.ru

ORCID id: отсутствует
SPIN-код: 2794-9495

Предмет. Динамика совершаемых в Российской Федерации преступлений различной направленности с 2012 по 2019 г.
Цели. Определение тенденций, а также наличия или отсутствия годовой сезонности в анализируемой динамике.
Методология. Параметрическое моделирование тренд-сезонной динамики в виде авторских процедур, комплекса моделей и методов их идентификации с использованием обобщенных ARMA-моделей, метода STL (Seasonal Transformation using LOESS), метода Йео – Джонсона, реализованных с помощью стандартных библиотек и приложений языка программирования R.
Результаты. Предложены две методики моделирования сезонности: «грубой» оценки ее наличия и «тонкого» ее выделения с получением количественных оценок параметров моделей и оценок качественных характеристик моделирования. Определены оптимальные настройки сглаживания для решения задачи тренд-сезонного моделирования динамики преступлений. Проведен анализ динамики по одиннадцати типам регистрируемых преступлений, по каждому из которых выделены параметры сезонной компоненты.
Выводы. В девяти из рассмотренных одиннадцати типов преступлений имеется выраженная годовая сезонность, которую целесообразно учитывать при организации и планировании правоохранительной деятельности.

Ключевые слова: количество преступлений, тренд-сезонная декомпозиция, сезонность

Список литературы:

  1. Демидов В.В., Семенычев Е.В. Моделирование сезонных колебаний в экономике: монография. Самара: Самарская академия государственного и муниципального управления, 2012. 82 с.
  2. Семенычев В.К., Семенычев Е.В. Параметрическая идентификация рядов динамики: структуры, модели, эволюция: монография. Самара: Самарский научный центр Российской академии наук, 2011. 364 с.
  3. Семенычев Е.В., Демидов В.В. Метод частотной декомпозиции при моделировании сезонной экономической динамики // Вестник Самарского муниципального института управления. 2014. № 1. С. 79–83.
  4. Светуньков И.С., Светуньков С.Г. Методы социально-экономического прогнозирования. Т. 2. М.: Юрайт, 2020. 447 с.
  5. Cleveland R.B., Cleveland W.S., McRae J.E., Terpenning I. STL: A Seasonal-Trend Decomposition Procedure Based on Loess. Journal of Official Statistics, 1990, vol. 6, iss. 1, pp. 3–73. URL: Link
  6. Cleveland W.S., Grosse E., Shyu W.M. Local Regression Models. In: J. Chambers, T. Hastie (Eds), Statistical Models in S. Pacific Grove, Calif., Wadsworth and Brooks/Cole Advanced Books & Software, 1992, pp. 309–376.
  7. Cleveland W.S. Robust Locally Weighted Regression and Smoothing Scatterplots. Journal of the American Statistical Association, 1979, vol. 74, iss. 368, pp. 829–836. URL: Link
  8. Box G.E.P., Cox D.R. An Analysis of Transformations. Journal of the Royal Statistical Society. Series B (Methodological), 1964, vol. 26, iss. 2, pp. 211–252. URL: Link
  9. Yeo I.-K., Johnson R. A New Family of Power Transformations to Improve Normality or Symmetry. Biometrika, 2000, vol. 87, iss. 4, pp. 954–959. URL: Link

Посмотреть другие статьи номера »

 

ISSN 2311-8725 (Online)
ISSN 2073-039X (Print)

Свежий номер журнала

т. 20, вып. 3, март 2021

Другие номера журнала